Xem thảo luận
Cải thiện bài viết
Lưu bài viết
Xem thảo luận
Cải thiện bài viết
Lưu bài viết
Đọc is a cross-platform, document-oriented database that works on the concept of collections and documents. MongoDB offers high speed, high availability, and high scalability.
Bàn luận
MongoDB là một cơ sở dữ liệu theo hướng đa nền tảng, hướng đến tài liệu, hoạt động trên khái niệm về các bộ sưu tập và tài liệu. MongoDB cung cấp tốc độ cao, tính sẵn sàng cao và khả năng mở rộng cao.
Tìm nạp dữ liệu từ MongoDBThis method is used to fetch data from collection in mongoDB. It returns first first occurrence.
Syntax :
find_one[]
Example:
Pymongo cung cấp các phương pháp khác nhau để tìm nạp dữ liệu từ MongoDB. Hãy cùng nhìn thấy họ từng cái một.
Python3
1] Tìm một: Phương pháp này được sử dụng để tìm nạp dữ liệu từ bộ sưu tập trong MongoDB. Nó trả về lần đầu tiên xuất hiện. & Nbsp; cú pháp:
Cơ sở dữ liệu mẫu:
find[{},{field_data:bool}]1
find[{},{field_data:bool}]2
find[{},{field_data:bool}]3
find[{},{field_data:bool}]4
find[{},{field_data:bool}]5
find[{},{field_data:bool}]6
find[{},{field_data:bool}]7
# Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
6# Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
7find[{},{field_data:bool}]
8find[{},{field_data:bool}]
4
0# Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
1# Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
find[{},{field_data:bool}]
7 :
3# Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
find[{},{field_data:bool}]
4
5For all occurrences in the selection, use find[] method. It works like Select * query of SQL. # Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
Đầu ra: :
find[]
Example:
Python3
1] Tìm một: Phương pháp này được sử dụng để tìm nạp dữ liệu từ bộ sưu tập trong MongoDB. Nó trả về lần đầu tiên xuất hiện. & Nbsp; cú pháp:
Cơ sở dữ liệu mẫu:
find[{},{field_data:bool}]1
find[{},{field_data:bool}]2
find[{},{field_data:bool}]3
find[{},{field_data:bool}]4
find[{},{field_data:bool}]5
find[{},{field_data:bool}]6
find[{},{field_data:bool}]7
find[{},{field_data:bool}]8
find[{},{field_data:bool}]4
# Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
0# Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
1find[{},{field_data:bool}]7
Python 3.9.12
7# Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
6Python 3.9.12
9Output:
3# Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
find[{},{field_data:bool}]
4
5 and find[] accepts an optional filter parameter that selects which documents to include in the result set. Can be an empty document to include all documents. # Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
3]
Fetching only specific fields: If you want to fetch only some fields then in the find method pass the first parameter as {} and second parameter as 1 for those field that you want to fetch and 0 for those you don’t want to fetch.
Syntax:
find[{},{field_data:bool}]
Example:
Python3
1] Tìm một: Phương pháp này được sử dụng để tìm nạp dữ liệu từ bộ sưu tập trong MongoDB. Nó trả về lần đầu tiên xuất hiện. & Nbsp; cú pháp:
Cơ sở dữ liệu mẫu:
find[{},{field_data:bool}]1
find[{},{field_data:bool}]2
find[{},{field_data:bool}]3
find[{},{field_data:bool}]4
find[{},{field_data:bool}]5
find[{},{field_data:bool}]6
find[{},{field_data:bool}]7
from pymongo import MongoClient
def get_database[]:
# Provide the mongodb atlas url to connect python to mongodb using pymongo
CONNECTION_STRING = "mongodb+srv://user:/myFirstDatabase"
# Create a connection using MongoClient. You can import MongoClient or use pymongo.MongoClient
client = MongoClient[CONNECTION_STRING]
# Create the database for our example [we will use the same database throughout the tutorial
return client['user_shopping_list']
# This is added so that many files can reuse the function get_database[]
if __name__ == "__main__":
# Get the database
dbname = get_database[]
3from pymongo import MongoClient
def get_database[]:
# Provide the mongodb atlas url to connect python to mongodb using pymongo
CONNECTION_STRING = "mongodb+srv://user:/myFirstDatabase"
# Create a connection using MongoClient. You can import MongoClient or use pymongo.MongoClient
client = MongoClient[CONNECTION_STRING]
# Create the database for our example [we will use the same database throughout the tutorial
return client['user_shopping_list']
# This is added so that many files can reuse the function get_database[]
if __name__ == "__main__":
# Get the database
dbname = get_database[]
4python -m pip install "pymongo[srv]"
6from pymongo import MongoClient
def get_database[]:
# Provide the mongodb atlas url to connect python to mongodb using pymongo
CONNECTION_STRING = "mongodb+srv://user:/myFirstDatabase"
# Create a connection using MongoClient. You can import MongoClient or use pymongo.MongoClient
client = MongoClient[CONNECTION_STRING]
# Create the database for our example [we will use the same database throughout the tutorial
return client['user_shopping_list']
# This is added so that many files can reuse the function get_database[]
if __name__ == "__main__":
# Get the database
dbname = get_database[]
1python -m pip install "pymongo[srv]"
8from pymongo import MongoClient
def get_database[]:
# Provide the mongodb atlas url to connect python to mongodb using pymongo
CONNECTION_STRING = "mongodb+srv://user:/myFirstDatabase"
# Create a connection using MongoClient. You can import MongoClient or use pymongo.MongoClient
client = MongoClient[CONNECTION_STRING]
# Create the database for our example [we will use the same database throughout the tutorial
return client['user_shopping_list']
# This is added so that many files can reuse the function get_database[]
if __name__ == "__main__":
# Get the database
dbname = get_database[]
8python -m pip install "pymongo[srv]"
6from pymongo import MongoClient
def get_database[]:
# Provide the mongodb atlas url to connect python to mongodb using pymongo
CONNECTION_STRING = "mongodb+srv://user:/myFirstDatabase"
# Create a connection using MongoClient. You can import MongoClient or use pymongo.MongoClient
client = MongoClient[CONNECTION_STRING]
# Create the database for our example [we will use the same database throughout the tutorial
return client['user_shopping_list']
# This is added so that many files can reuse the function get_database[]
if __name__ == "__main__":
# Get the database
dbname = get_database[]
1# Get the database using the method we defined in pymongo_test_insert file
from pymongo_get_database import get_database
dbname = get_database[]
collection_name = dbname["user_1_items"]
1find[{},{field_data:bool}]8
find[{},{field_data:bool}]4
# Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
0# Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
1find[{},{field_data:bool}]7
Python 3.9.12
7# Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
6Python 3.9.12
9Output:
Python là gì?
Python, con dao quân đội Thụy Sĩ của các ngôn ngữ được đánh máy động, có sự hỗ trợ toàn diện cho các nhiệm vụ xử lý và thao tác dữ liệu chung. Các loại dữ liệu từ điển và danh sách bản địa của Python, làm cho nó chỉ đứng sau JavaScript để điều khiển các tài liệu JSON-và rất phù hợp để làm việc với BSON. Pymongo, thư viện trình điều khiển mongoDB tiêu chuẩn cho Python, rất dễ sử dụng và cung cấp API trực quan để truy cập cơ sở dữ liệu, bộ sưu tập và tài liệu.
Các đối tượng được lấy từ MongoDB qua Pymongo tương thích với từ điển và danh sách, vì vậy chúng ta có thể dễ dàng thao tác, lặp lại và in chúng.
Cách MongoDB lưu trữ dữ liệu
MongoDB lưu trữ dữ liệu trong các tài liệu giống JSON:
# Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
Từ điển Python trông giống như:
# python dictionary
dict_1 = {
"item_name" : "blender",
"max_discount" : "10%",
"batch_number" : "RR450020FRG",
"price" : 340
}
Đọc để xem tổng quan về cách bắt đầu và cung cấp tiềm năng của sự kết hợp mạnh mẽ này.
Điều kiện tiên quyết
Tải xuống và cài đặt Python trên máy của bạn. Để xác nhận nếu cài đặt của bạn là đúng, hãy nhập
# Get the database using the method we defined in pymongo_test_insert file
from pymongo_get_database import get_database
dbname = get_database[]
collection_name = dbname["user_1_items"]
9 vào thiết bị đầu cuối dòng lệnh của bạn. Bạn sẽ nhận được một cái gì đó tương tự như:Python 3.9.12
Bạn có thể làm theo các ví dụ Python MongoDB trong hướng dẫn này ngay cả khi bạn chưa quen với Python.
Chúng tôi khuyên bạn nên thiết lập một cụm cấp miễn phí của MongoDB Atlas cho hướng dẫn này.
Kết nối Python và MongoDB Atlas
Pymongo có một bộ các gói cho tương tác Python MongoDB. Đối với hướng dẫn sau đây, bắt đầu bằng cách tạo một môi trường ảo và kích hoạt nó.
python -m venv env
source env/bin/activate
Bây giờ bạn đang ở trong môi trường ảo của mình, bạn có thể cài đặt pymongo. Trong thiết bị đầu cuối của bạn, loại:
python -m pip install "pymongo[srv]"
Bây giờ, chúng ta có thể sử dụng Pymongo như một thư viện Python MongoDB trong mã của chúng tôi với một tuyên bố nhập khẩu.
Tạo cơ sở dữ liệu MongoDB trong Python
Bước đầu tiên để kết nối Python với Atlas là tạo ra một cụm. Bạn có thể làm theo các hướng dẫn từ tài liệu để tìm hiểu cách tạo và thiết lập cụm của bạn.
Tiếp theo, tạo một tệp có tên
find[]00 trong bất kỳ thư mục nào để viết mã pymongo. Bạn có thể sử dụng bất kỳ trình soạn thảo văn bản đơn giản, như Visual Studio Code.
Tạo ứng dụng khách MongoDB bằng cách thêm các mục sau:
from pymongo import MongoClient
def get_database[]:
# Provide the mongodb atlas url to connect python to mongodb using pymongo
CONNECTION_STRING = "mongodb+srv://user:/myFirstDatabase"
# Create a connection using MongoClient. You can import MongoClient or use pymongo.MongoClient
client = MongoClient[CONNECTION_STRING]
# Create the database for our example [we will use the same database throughout the tutorial
return client['user_shopping_list']
# This is added so that many files can reuse the function get_database[]
if __name__ == "__main__":
# Get the database
dbname = get_database[]
Để tạo Mongoclient, bạn sẽ cần một chuỗi kết nối với cơ sở dữ liệu của mình. Nếu bạn đang sử dụng Atlas, bạn có thể làm theo các bước từ tài liệu để có được chuỗi kết nối đó. Sử dụng
find[]01 để tạo Mongoclient và nhận kết nối cơ sở dữ liệu MongoDB. Thay đổi tên người dùng, mật khẩu và tên cụm.
Trong hướng dẫn Python MongoDB này, chúng tôi sẽ tạo một danh sách mua sắm và thêm một vài mặt hàng. Đối với điều này, chúng tôi đã tạo một cơ sở dữ liệu
find[]02.
MongoDB không tạo ra một cơ sở dữ liệu cho đến khi bạn có các bộ sưu tập và tài liệu trong đó. Vì vậy, hãy để tạo ra một bộ sưu tập tiếp theo.
Tạo một bộ sưu tập trong Python
Để tạo một bộ sưu tập, hãy chuyển tên bộ sưu tập cho cơ sở dữ liệu. Trong một tệp mới có tên là tệp
find[]03, thêm mã sau.
# Get the database using the method we defined in pymongo_test_insert file
from pymongo_get_database import get_database
dbname = get_database[]
collection_name = dbname["user_1_items"]
Điều này tạo ra một bộ sưu tập có tên
find[]04 trong cơ sở dữ liệu
find[]02.
Chèn tài liệu trong Python
Để chèn nhiều tài liệu cùng một lúc, hãy sử dụng phương pháp pymongo
find[]06.
find[]0
Hãy để chèn một tài liệu thứ ba mà không cần chỉ định trường
find[]07. Lần này, chúng tôi thêm một trường loại dữ liệu ‘ngày. Để thêm ngày sử dụng pymongo, hãy sử dụng gói Python
find[]08.
Bắt đầu bằng cách cài đặt gói bằng lệnh sau:
find[]1
Thêm phần sau vào
find[]03:
find[]2
Chúng tôi sử dụng phương thức
find[]10 để chèn một tài liệu.
Mở dòng lệnh và điều hướng đến thư mục nơi bạn đã lưu
find[]11
Thực thi tệp bằng cách sử dụng
find[]3
command.
Hãy để kết nối với MongoDB Atlas UI và kiểm tra những gì chúng ta có cho đến nay.
Đăng nhập vào cụm Atlas của bạn và nhấp vào nút Bộ sưu tập.
Ở phía bên trái, bạn có thể thấy cơ sở dữ liệu và tên thu thập mà chúng tôi đã tạo. Nếu bạn nhấp vào tên thu thập, bạn cũng có thể xem dữ liệu:
Trường
find[]07 thuộc loại ObjectID theo mặc định. Nếu chúng tôi không chỉ định trường
find[]07, MongoDB sẽ tạo ra như vậy. Không phải tất cả các trường có trong một tài liệu có mặt trong các trường khác. Nhưng MongoDB không ngăn bạn nhập dữ liệu - đây là bản chất của cơ sở dữ liệu sơ đồ.
Nếu chúng ta chèn
find[]14 một lần nữa, MongoDB sẽ chèn một tài liệu mới, với giá trị
find[]07 mới. Tuy nhiên, hai phần chèn đầu tiên sẽ gây ra lỗi vì trường
find[]07, định danh duy nhất.
Truy vấn trong Python
Hãy cùng xem tất cả các tài liệu cùng nhau bằng Find []. Đối với điều đó, chúng tôi sẽ tạo một tệp riêng
find[]17:
find[]4
Mở dòng lệnh và điều hướng đến thư mục nơi bạn đã lưu
find[]17. Thực hiện tệp bằng lệnh
find[]19.
Chúng tôi nhận được danh sách đối tượng từ điển làm đầu ra:
Chúng ta có thể xem dữ liệu nhưng định dạng không phải là tất cả tuyệt vời. Vì vậy, hãy để Lôi in các tên vật phẩm và danh mục của chúng bằng cách thay thế dòng
# Mongodb document [JSON-style]
document_1 = {
"_id" : "BF00001CFOOD",
"item_name" : "Bread",
"quantity" : 2,
"ingredients" : "all-purpose flour"
}
6 bằng các mục sau:find[]5
Mặc dù MongoDB nhận được toàn bộ dữ liệu, chúng tôi nhận được một python ‘keyerror trên tài liệu thứ ba.
Để xử lý các lỗi dữ liệu bị thiếu trong Python, hãy sử dụng pandas.dataFrames. DataFrames là cấu trúc dữ liệu 2D được sử dụng cho các tác vụ xử lý dữ liệu. Phương thức find [] pymongo trả về các đối tượng từ điển có thể được chuyển đổi thành một khung dữ liệu trong một dòng mã duy nhất.
Cài đặt thư viện Pandas như:
find[]6
Bây giờ nhập thư viện
find[]21 bằng cách thêm dòng sau ở đầu tệp:
find[]7
Và thay thế mã trong vòng lặp bằng cách sau để xử lý KeyError trong một bước:
find[]8
Các lỗi được thay thế bởi NAN và NAT cho các giá trị bị thiếu.
Lập chỉ mục trong Python MongoDB
Số lượng tài liệu và bộ sưu tập trong cơ sở dữ liệu trong thế giới thực luôn tiếp tục tăng. Có thể mất một thời gian rất dài để tìm kiếm các tài liệu cụ thể-ví dụ, các tài liệu có bột mì đa dụng trong số các thành phần của chúng-trong một bộ sưu tập rất lớn. Các chỉ mục làm cho tìm kiếm cơ sở dữ liệu nhanh hơn và hiệu quả hơn, và giảm chi phí truy vấn cho các hoạt động như sắp xếp, đếm và khớp.
MongoDB xác định các chỉ mục ở cấp độ thu thập.
Để chỉ mục có ý nghĩa hơn, hãy thêm nhiều tài liệu vào bộ sưu tập của chúng tôi. Chèn nhiều tài liệu cùng một lúc bằng phương pháp
find[]06. Đối với các tài liệu mẫu, hãy sao chép mã từ GitHub và thực thi
find[]23 trong thiết bị đầu cuối của bạn.
Hãy nói rằng chúng tôi muốn các mặt hàng thuộc thể loại ‘thực phẩm:
find[]9
Để thực hiện truy vấn trên, MongoDB phải quét tất cả các tài liệu. Để xác minh điều này, tải về la bàn. Kết nối với cụm của bạn bằng chuỗi kết nối. Mở bộ sưu tập và đi đến tab Kế hoạch giải thích. Trong ‘bộ lọc, đưa ra các tiêu chí trên và xem kết quả:
Lưu ý rằng truy vấn quét 14 tài liệu để nhận được năm kết quả.
Hãy tạo một chỉ mục duy nhất trên trường ‘danh mục. Trong một tệp mới có tên
find[]24, thêm mã sau.
find[{},{field_data:bool}]0
Giải thích lại cùng một bộ lọc trên la bàn UI:
Lần này, chỉ có năm tài liệu được quét vì chỉ số danh mục. Chúng tôi không thấy sự khác biệt đáng kể về thời gian thực hiện vì số lượng nhỏ các tài liệu. Nhưng chúng tôi thấy một sự giảm lớn về số lượng tài liệu được quét cho truy vấn. Các chỉ mục giúp tối ưu hóa hiệu suất cho các tập hợp, là tốt. Các tập hợp nằm ngoài phạm vi cho hướng dẫn này, nhưng ở đây, một cái nhìn tổng quan.